pt Português
ar العربيةzh-CN 简体中文nl Nederlandsen Englishfr Françaisde Deutschit Italianopt Portuguêsru Русскийes Español

Camadas de interação social em redes complexas para a modelagem de COVID-19 no Brasil

Redes complexas são modelos multidisciplinares que podem representar qualquer sistema no qual elementos se conectam. Além disso, doenças virais evoluem por meio de relações onde pessoas se conectam entre si, o que traz uma relação um para um no uso da modelagem:

Pensando nisso e baseado em estudos científicos prévios, o artigo utiliza redes complexas multi-camada para representar camadas da sociedade onde há contato entre pessoas e, consequentemente, probabilidade de contágio da COVID-19.

O trabalho utiliza informações demográficas como faixa etária e quantidade de pessoas por casa para simular seis camadas sociais: sistema de transporte, ambientes trabalho, domicílios, encontros ocasionais, cultos religiosos e escolas.

Assim, a simulação se da inicio a partir de um indivíduo infectado na rede e, a cada passo da simulação, suas conexões são ou não infectados, segundo uma certa probabilidade.

É válido lembrar que o estudo é uma extensão do clássico modelo de evolução de epidemia SIR (susceptível-infectado-recuperado), onde um indivíduo susceptível pode passar para um estado de infectado e depois de um certo período de tempo ele se recupera. Porém, além de trazer o modelo de evolução de epidemia mais próximo da realidade por meio das camadas sociais, o modelo também estende o estado ‘infectado’ da rede, como mostra a figura abaixo:

Deste modo, além dos indivíduos suscetíveis e os recuperados já conhecidos no SIR, no novo modelo, consideramos os indivíduos que, infelizmente, venham a falecer e o estado infectado é repaginado para quatro novos tipos: assintomáticos, moderados, severos e críticos (que podem ser observados na imagem acima ou no artigo completo).

A duração média em que cada individuo se mantem em cada um dos estados (susceptível, infectado assintomático, infectado moderado, infectado grave e infectado crítico) também é levada em consideração na simulação. Além disso, as probabilidades de contágio também levam em consideração questões sobre a frequência de encontro dos dois indivíduos e nível aglomeração dos ambientes (casa, trabalho, …).

Inserindo dados populacionais brasileiros extraídos do IBGE, o método mostrou-se bem próximo aos dados reais. É importante enfatizar que, há uma conhecida taxa de subnotificação nos dados que pode ser justificado pela baixa testagem da população e que podem ser mostrado pela alta de mortalidade causada por doenças respiratórias em relação ao mesmo período do ano passado.

As simulações foram projetadas em diversos cenários, como manutenção, redução e aumento do isolamento. Os resultados são compatíveis com as análises de especialistas e prevê novos casos surgindo até Setembro considerando que nível de isolamento se mantenha.

A busca por alternativas que preservem a qualidade no atendimento do sistema de saúde brasileiro é crucial para que o número de mortes não aumente consideravelmente. Por isso, o modelo ainda estima a demanda por leitos de hospitais. Mais resultados podem ser observados nas imagens abaixo:

Acesse o link abaixo para ter acesso ao artigo completo e todas as referências:

Social Interaction Layers in Complex Networks for the Dynamical Epidemic Modeling of COVID-19 in Brazilde Leonardo F. S. Scabini, Lucas C. Ribas, Mariane B. Neiva, Altamir G. B. Junior, Alex J. F. Farfán, Odemir M. Bruno

Imagens: Leonardo F. S. Scabini

Responsável pela página: Mariane Neiva